基于深度学习的遮挡行人重识别：综述
计算机视觉与模式识别
2022-08-01 v1
摘要
遮挡行人重识别（Re-ID）旨在解决跨多个摄像头检索目标行人时的遮挡问题。随着深度学习技术的推动以及智能视频监控需求的增长，现实应用中的频繁遮挡使得遮挡行人Re-ID引起了研究人员的相当关注。已有大量遮挡行人Re-ID方法被提出，但聚焦于遮挡的综述却很少。为填补这一空白并助力未来研究，本文提供了对遮挡行人Re-ID的系统性综述。通过对行人Re-ID中遮挡现象的深入分析，发现大多数现有方法仅考虑了遮挡所带来的部分问题。因此，我们从问题与挑战及对应解决方案的视角回顾了与遮挡相关的行人Re-ID方法。我们总结了行人Re-ID中由遮挡引起的四类问题，即位置错位、尺度错位、噪声信息与信息缺失。随后对解决不同问题的遮挡相关方法进行了相应分类与介绍。此后，我们在四个流行数据集Partial-ReID、Partial-iLIDS、Occluded-ReID和Occluded-DukeMTMC上总结并比较了近期遮挡行人Re-ID方法的性能。最后，我们给出了有前景的未来研究方向见解。
引用
@article{arxiv.2207.14452,
title = {Deep Learning-based Occluded Person Re-identification: A Survey},
author = {Yunjie Peng and Saihui Hou and Chunshui Cao and Xu Liu and Yongzhen Huang and Zhiqiang He},
journal= {arXiv preprint arXiv:2207.14452},
year = {2022}
}
备注
The paper is under consideration at IEEE Transactions on Circuits and Systems for Video Technology